AI 알약을 먹은 복리 성장 스타트업
AI 알약을 먹은 복리 성장 스타트업
원문: Ann Miura-Ko @annimaniac on X | 번역게시: GeekNews | 작성자: Ann Miura-Ko (Floodgate VC 공동 창립 파트너) | 날짜: 2025.04.13
---
개요
Ann Miura-Ko가 지난 한 달간 샌프란시스코의 AI 네이티브 스타트업 5개사를 직접 방문해 실제 업무 방식을 관찰한 결과물. 투자자 시선에서 "AI를 진짜 업무에 녹인 회사"와 "아직 논의만 하는 회사"의 격차를 기록.
Ann Miura-Ko: Floodgate VC 공동 창립 파트너. Twitter/Twitch, Lyft, Okta, TaskRabbit 등을 초기 투자. Stanford 기업가정신 강사. Forbes가 "스타트업에서 가장 영향력 있는 여성"으로 꼽은 인물.
---
핵심 5가지 발견
1. PM(제품 관리자) 역할의 소멸
- 방문한 5개 기업 중 전담 PM은 단 1명. 40명 규모 기업도 포함.
- 엔지니어가 고객과 직접 대화하고 제품 결정을 처음부터 끝까지 소유.
- PM이 "보조"되는 게 아니라, 역할 자체가 엔지니어링/디자인에 흡수됨.
2. 가장 큰 리스크: "기능 공장(feature factory)" 유혹
- 무엇이든 하루 만에 구현 가능해지니까, 모든 고객 요청을 다 만들려는 유혹이 압도적.
- 여러 기업이 이것을 "가장 큰 전략적 리스크"라고 꼽음.
- 성공하는 기업들의 대응:
- 에이전트가 JSON으로 기존 기능만 설정 변경 가능하게, 새 코드 생성 자체 불가
- 스쿼드별 North Star 메트릭으로 아이디어를 출시 전에 필터링
- 창업자가 "내가 의견을 내야 할 영역"과 "유연하게 둘 영역"을 직접 구분
3. 기술 스택의 수렴
- 거의 모든 기업: Slack + Claude Code + GitHub + Codex(코드 리뷰) + Linear
- 6개월 전에는 Cursor가 대세였는데 지금은 산발적으로만 언급, 엔지니어들은 Claude Code에서 생활
- Slack이 에이전트 오케스트레이션 허브로 부상: 이모지 반응→티켓 자동 생성, 봇이 진단/분류, 에이전트 태그→즉시 수정 시작
- 엔지니어들이 코딩 도구에 충성도가 거의 없음 → 플랫폼 기업들에게는 우려. Anthropic이 Mythos(프라이버시 중심 모델 학습)로 유리한 위치.
4. AI의 가장 큰 영향은 엔지니어가 아님
- 어카운트 매니저가 AI 에이전트에 요청해서 1시간 만에 수개월간 미뤄졌던 자동화 해결
- 회계팀이 직접 DB 쿼리 작성, MCP로 비즈니스 데이터 분석
- Chief of Staff가 30분 만에 다이렉트 메일+마케팅 자료 제작
- "AI가 엔지니어를 위해 하는 게 아니라, 그 외 모든 사람을 위해 하는 것"이 가장 과소평가된 변화
5. 실험 비용 붕괴 → 복리 효과
- 연구자가 10개 인터페이스 디자인을 하루씩 테스트한 뒤 9개 폐기
- 디자이너가 6분 만에 경쟁 반복안 여러 개 생성
- 코딩 경험이 전혀 없는 PM이 이틀 만에 Meta Ads 전체 파이프라인 구축
- AI가 고객 역할을 연기해서 제품 스트레스 테스트, 분기당 50건이던 리서치 인터뷰가 주당 수백 건으로 증가
- "전투기에서 드론 군집으로" 전쟁 방식이 바뀐 것과 유사한 기업 운영의 전환
결론: "AI를 내재화한 기업"과 "아직 AI 전략을 논의 중인 기업" 간 격차가 매주 벌어지고 있음.
---
새로운 시각
"기능 공장"이 진짜 함정
AI 코딩 도구의 가장 큰 위험은 "속도" 자체가 아니라 속도가 주는 판단력 마비. 무엇이든 하루 만에 되니까 "무엇을 안 만들지"에 대한 기준이 필수적이 됨. 단순한 AI 찬사가 아니라 "가장 큰 리스크"를 정면으로 짚은 게 의미 있음.
PM 소멸은 "역할 흡수"이지 "실업"이 아님
PM이 사라진 게 아니라, 제품 감각이 엔지니어에게 직접 주입된 것. "고객과 대화하는 엔지니어" 모델이 AI 시대의 표준으로 수렴 중. 개발자 개인의 성장 방향에도 시사: 코딩 능력보다 제품 감각이 더 중요해짐.
코딩 도구 전쟁의 승자는 "데이터"가 아님
엔지니어들이 도구에 충성도가 없다는 점. Cursor→Claude Code로 빠르게 이동. 플랫폼이 사용자 데이터를 학습한다는 논리는 통하지 않음 — Anthropic의 Mythos(사용자 데이터 학습 거부)가 오히려 강점. "도구는 바꾸지만, 신뢰는 유지"하는 전략이 승리.
"취향(taste)이 해자(moat)"
실행 비용이 0에 가까워지면, "무엇을 만들지"를 판단하는 취향 자체가 경쟁력이 됨. 하지만 "취향을 조직적으로 구현하는 방법"은 아직 없음 — 이것이 다음 단계의 경쟁 포인트.
---
자녀/미래 세대에게 주는 시사점
"무엇을 만들지"가 "어떻게 만들지"보다 중요해짐
코딩/구현 능력은 AI가 대체. 하지만 "이 기능이 사용자 문제를 정말 해결하는가", "이제 정말 필요한가"를 판단하는 능력이 핵심 역량으로 이동. 자녀에게 프로그래밍을 가르칠 때도 "무엇을 만들지"에 대한 사고력을 함께 기르는 게 중요.
비기술 직군도 AI를 직접 써야 함
이 글에서 가장 놀라운 건 엔지니어가 아니라 회계팀, 마케팅, 어카운트 매니저가 AI를 직접 써서 문제를 해결한 사례. "AI는 개발자용 도구"라는 인식을 버려야 함. 자녀가 어떤 직종에 가든 AI를 직접 사용할 줄 알아야 함.
도구 충성도보다 학습 속도가 중요
Cursor→Claude Code로 빠르게 이동하는 엔지니어들처럼, 특정 도구에 매달리기보다 "새 도구를 빠르게 익히고 전환하는 능력"이 미래 핵심 역량.
"안 만드는 것"의 기준을 일찍부터 기르기
기능 공장의 함정을 피하려면 "무엇을 안 할지"를 결정하는 능력이 필요. 자녀와 대화할 때도 "모든 요청에 응하는 것"보다 "우선순위를 정하는 것"을 가르치는 게 더 실질적 도움.
---
관련 글
- AI-네이티브 스타트업을 만드는 방법
- "Claude가 우리 스타트업을 죽였다" - Ryze AI 창업자의 고백
- AI 코딩 시대, 성장이 멈추는 개발자의 뇌에서 일어나는 일
- AI 제품 전략 수립 방법
커뮤니티 반응
GeekNews 댓글: "이러한 방식을 내재화한 기업과 아직 AI 전략을 논의 중인 기업 간 격차가 매우 크며, 매주 벌어지고 있음"이라는 문구가 가장 크게 와닿음. 이미 뒤쳐졌을 거라는 불안감 표현.
Ann의后续 글("Everyone wants to be AI-pilled. Most Companies Are Still Level 1.")에서 AI 도입을 5단계(프롬프트 사용→매직 느낌→시스템 간 연결→조직 변화→창의적 모드)로 구분하고, 대부분 기업은 1~2단계에 머물러 있다고 진단.